In [31]:
import pandas as pd
import numpy as np
from sqlalchemy import create_engine
from bokeh.plotting import figure, show
from bokeh.models import ColumnDataSource
from bokeh.io import output_notebook
from bokeh.layouts import gridplot
In [10]:
csv_file_path = 'ObesityDataSet_raw_and_data_sinthetic.csv' 
csv_df = pd.read_csv(csv_file_path, delimiter=';')
df_csv = pd.DataFrame(csv_df)
df_csv.head()
Out[10]:
Nombre Apellido Genero Edad Estatura Peso HistorialFamiliar ConsumeCalorias ComidasDiarias AlimentosEntreComidas
0 Wendy Greene Femenino 21 1.62 64 yes no 3 Sometimes
1 Martha Jones Femenino 21 1.52 56 yes no 3 Sometimes
2 David Curtis Masculino 23 1.8 77 yes no 3 Sometimes
3 Crystal Solis Femenino 27 1.8 87 no no 3 Sometimes
4 Stephanie Vasquez Femenino 22 1.78 89.8 no no 1 Sometimes
In [11]:
#Ingreso a la base de datos de Mysql
usuario = 'root'
contraseña = 'jona'
host = 'localhost'
puerto = '3306'
base_de_datos = 'obesidad'  # Nombre de la base de datos
In [12]:
# Crear la cadena de conexión
conexion = f'mysql+mysqlconnector://{usuario}:{contraseña}@{host}:{puerto}/{base_de_datos}'
In [13]:
# Crear el motor de conexión
engine = create_engine(conexion)
In [14]:
# Leer datos de la tabla MySQL
tabla_mysql = 'obesidadsql'  # Nombre de la tabla
mysql_df = pd.read_sql(tabla_mysql, con=engine)
df_sql = pd.DataFrame(mysql_df)
df_sql.head()
Out[14]:
Nombre Apellido Fuma Agua ControlCalorias FrecuenciaEjercicio TiempoRecreacion ConsumoAlcohol MedioTransporte Obesidad
0 Wendy Greene no 2 no 0 1 no Public_Transportation Normal_Weight
1 Martha Jones yes 3 yes 3 0 Sometimes Public_Transportation Normal_Weight
2 David Curtis no 2 no 2 1 Frequently Public_Transportation Normal_Weight
3 Crystal Solis no 2 no 2 0 Frequently Walking Overweight_Level_I
4 Stephanie Vasquez no 2 no 0 0 Sometimes Public_Transportation Overweight_Level_II
In [15]:
#Unir los DataFrames por las columnas 'nombre' y 'apellido'
df_unido = pd.merge(csv_df, mysql_df, on=['Nombre', 'Apellido'], how='inner')
df_unido.head()
Out[15]:
Nombre Apellido Genero Edad Estatura Peso HistorialFamiliar ConsumeCalorias ComidasDiarias AlimentosEntreComidas Fuma Agua ControlCalorias FrecuenciaEjercicio TiempoRecreacion ConsumoAlcohol MedioTransporte Obesidad
0 Wendy Greene Femenino 21 1.62 64 yes no 3 Sometimes no 2 no 0 1 no Public_Transportation Normal_Weight
1 Martha Jones Femenino 21 1.52 56 yes no 3 Sometimes yes 3 yes 3 0 Sometimes Public_Transportation Normal_Weight
2 David Curtis Masculino 23 1.8 77 yes no 3 Sometimes no 2 no 2 1 Frequently Public_Transportation Normal_Weight
3 Crystal Solis Femenino 27 1.8 87 no no 3 Sometimes no 2 no 2 0 Frequently Walking Overweight_Level_I
4 Stephanie Vasquez Femenino 22 1.78 89.8 no no 1 Sometimes no 2 no 0 0 Sometimes Public_Transportation Overweight_Level_II
In [16]:
# Guardar el DataFrame unido en un archivo CSV 
output_csv_path = 'salida.csv'  # 
df_unido.to_csv(output_csv_path, index=False)
In [21]:
# Define functions to calculate new columns

def calculate_bmi(weight, height):
    return round(weight / (height ** 2), 2)

def categorize_bmi(bmi):
    if bmi < 18.5:
        return 'Underweight'
    elif 18.5 <= bmi < 24.9:
        return 'Normal weight'
    elif 25 <= bmi < 29.9:
        return 'Overweight'
    elif 30 <= bmi < 34.9:
        return 'Obesity Class I'
    elif 35 <= bmi < 39.9:
        return 'Obesity Class II'
    else:
        return 'Obesity Class III'

def evaluate_physical_activity(exercise_frequency):
    if exercise_frequency == 0:
        return 'Sedentary'
    elif exercise_frequency <= 2:
        return 'Moderately active'
    else:
        return 'Active'

def assess_health_risk(smokes, alcohol_consumption, family_history):
    risk = 0
    if smokes == 'yes':
        risk += 1
    if alcohol_consumption in ['Sometimes', 'Frequently']:
        risk += 1
    if family_history == 'yes':
        risk += 1
    if risk == 0:
        return 'Low'
    elif risk == 1:
        return 'Moderate'
    else:
        return 'High'

def hydration_level(water_intake):
    if water_intake >= 8:
        return 'Well hydrated'
    elif 4 <= water_intake < 8:
        return 'Adequately hydrated'
    else:
        return 'Poorly hydrated'

# Add new columns to the DataFrame
df_unido['IMC'] = df_unido.apply(lambda row: calculate_bmi(row['Peso'], row['Estatura']), axis=1)
df_unido['CategoriaIMC'] = df_unido['IMC'].apply(categorize_bmi)
df_unido['ActividadFísica'] = df_unido['FrecuenciaEjercicio'].apply(evaluate_physical_activity)
df_unido['RiesgoSalud'] = df_unido.apply(lambda row: assess_health_risk(row['Fuma'], row['ConsumoAlcohol'], row['HistorialFamiliar']), axis=1)
df_unido['Hidratación'] = df_unido['Agua'].apply(hydration_level)

# Display the first few rows of the updated dataframe to confirm the new columns
df_unido.head()
Out[21]:
Nombre Apellido Genero Edad Estatura Peso HistorialFamiliar ConsumeCalorias ComidasDiarias AlimentosEntreComidas ... FrecuenciaEjercicio TiempoRecreacion ConsumoAlcohol MedioTransporte Obesidad IMC CategoriaIMC ActividadFísica RiesgoSalud Hidratación
0 Wendy Greene Femenino 21 1.62 64.0 yes no 3 Sometimes ... 0 1 no Public_Transportation Normal_Weight 24.39 Normal weight Sedentary Moderate Poorly hydrated
1 Martha Jones Femenino 21 1.52 56.0 yes no 3 Sometimes ... 3 0 Sometimes Public_Transportation Normal_Weight 24.24 Normal weight Active High Poorly hydrated
2 David Curtis Masculino 23 1.80 77.0 yes no 3 Sometimes ... 2 1 Frequently Public_Transportation Normal_Weight 23.77 Normal weight Moderately active High Poorly hydrated
3 Crystal Solis Femenino 27 1.80 87.0 no no 3 Sometimes ... 2 0 Frequently Walking Overweight_Level_I 26.85 Overweight Moderately active Moderate Poorly hydrated
4 Stephanie Vasquez Femenino 22 1.78 89.8 no no 1 Sometimes ... 0 0 Sometimes Public_Transportation Overweight_Level_II 28.34 Overweight Sedentary Moderate Poorly hydrated

5 rows × 23 columns

In [24]:
#Visualizaciones con Matplotlib
import matplotlib.pyplot as plt
tabla_contingencia = pd.crosstab(df_unido['Genero'], df_unido['Obesidad'])
tabla_contingencia.plot(kind='bar', figsize=(10, 6))
plt.title('Distribución de Obesidad por Genero')
plt.xlabel('Genero')
plt.ylabel('Peso')
plt.xticks(rotation=0)
plt.legend(title='Obesidad')
plt.grid(True)
plt.show()
No description has been provided for this image
In [25]:
# Verificar y convertir los datos a tipo numérico si es necesario
df_unido['Peso'] = pd.to_numeric(df_unido['Peso'], errors='coerce')
df_unido['Estatura'] = pd.to_numeric(df_unido['Estatura'], errors='coerce')
In [26]:
# Definir los grupos de estatura
bins = [1.50, 1.60, 1.70, 1.80, 1.90, 2.00]
labels = ['1.50-1.59', '1.60-1.69', '1.70-1.79', '1.80-1.89', '1.90-1.99']
df_unido['GrupoEstatura'] = pd.cut(df_unido['Estatura'], bins=bins, labels=labels, right=False)
# Calcular el peso promedio por grupo de estatura
peso_promedio_por_grupo = df_unido.groupby('GrupoEstatura')['Peso'].mean().reset_index()
import matplotlib.pyplot as plt

# Configurar el tamaño del gráfico
plt.figure(figsize=(10, 6))

# Crear el gráfico de barras
plt.bar(peso_promedio_por_grupo['GrupoEstatura'], peso_promedio_por_grupo['Peso'], color='skyblue')

# Configuración del gráfico
plt.title('Peso Promedio por Grupo de Estatura')
plt.xlabel('Grupo de Estatura (m)')
plt.ylabel('Peso Promedio (kg)')
plt.grid(axis='y', linestyle='--', alpha=0.7)

# Mostrar el gráfico
plt.show()

C:\Users\Josshy\AppData\Local\Temp\ipykernel_12900\631464415.py:6: FutureWarning: The default of observed=False is deprecated and will be changed to True in a future version of pandas. Pass observed=False to retain current behavior or observed=True to adopt the future default and silence this warning.
  peso_promedio_por_grupo = df_unido.groupby('GrupoEstatura')['Peso'].mean().reset_index()
No description has been provided for this image
In [27]:
# Asegurarse de que las columnas que se van a utilizar sean numéricas
df_unido['Edad'] = pd.to_numeric(df_unido['Edad'], errors='coerce')
df_unido['Estatura'] = pd.to_numeric(df_unido['Estatura'], errors='coerce')
df_unido['Peso'] = pd.to_numeric(df_unido['Peso'], errors='coerce')

# Eliminar filas con valores NaN en las columnas numéricas
df_unido = df_unido.dropna(subset=['Edad', 'Estatura', 'Peso'])
In [32]:
# Visualizaciones con Bokeh
output_notebook()

# Histograma de edades
hist, edges = np.histogram(df_unido['Edad'], bins=20)

p1 = figure(title="Distribución de Edades", x_axis_label='Edad', y_axis_label='Peso')
p1.quad(top=hist, bottom=0, left=edges[:-1], right=edges[1:], fill_color="blue", line_color="black")

# Gráfico de dispersión de Peso vs Estatura
p2 = figure(title="Relación entre Estatura y Peso", x_axis_label='Estatura (cm)', y_axis_label='Peso (kg)')
p2.circle(df_unido['Estatura'], df_unido['Peso'], size=10, color="navy", alpha=0.5)

grid = gridplot([[p1, p2]])
show(grid)
Loading BokehJS ... 
BokehDeprecationWarning: 'circle() method with size value' was deprecated in Bokeh 3.4.0 and will be removed, use 'scatter(size=...) instead' instead.
In [33]:
import pygwalker as pyg

# Crear un objeto Pygwalker
pyg.walk(df_unido)

Box(children=(HTML(value='<div id="ifr-pyg-00061979fc0b5d64CSqMOJ7U5Bp9oQDF" style="height: auto">\n    <head>…
Loading Graphic-Walker UI...
Out[33]:
<pygwalker.api.pygwalker.PygWalker at 0x1a4843688e0>
In [ ]: